[AARRR] 활성화(Activation) 지표 : 전환율

활성화(Activation)

• 활성화 단계의 핵심은 퍼널에 대한 분석!
• 퍼널분석을 진행할 때 고려할 3가지
  • 핵심 가치를 경험하는 시점(아하 모먼트!💡)과 그곳으로 연결되는 각 단계를 잘 정의했는가?
  • 각 단계별 전환율을 어떤 기준으로 측정하는가?
  • 코호트에 따른 퍼널별 전환율을 보고 있는가?
• 서비스에 진입하는 순간부터 핵심 가치를 경험하기까지의 경로를 크리티컬 패스(Critical Path)라고 하는데, 이것이 퍼널 분석의 기본 준비이다.

 

전환율 측정 기준 : 트래픽 vs. 사용자

• 트래픽을 기준으로 한 전환율 : UX/UI 측면에서 개선점을 찾는 데 도움이 됨
  → 특정 시나리오에서의 사용성 개선을 목적으로 할 경우 적합
• 사용자를 기준으로 한 전환율 : UX/UI를 포함한 다양한 요소(상품의 매력도나 가격 등)의 영향력이 종합적으로 반영되는 지표
  → 종합적인 성과 판단에 추천

 

코호트(Cohort) 별 전환율 살펴보기

• 코호트 : 공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹
• 퍼널 분석의 진정한 가치는 주요 퍼널에서의 단편적인 전환율을 계산하는 데 있는 것이 아니라, 전환율에 영향을 미치는 유의미한 선행지표를 발견하는 데 있음
  • (예) 페북 광고를 통해 가입한 사용자의 결제 전환율이 구글 광고를 통해 들어온 결제 전환율보다 크게 낮다면?
    → 광고 타기팅을 수정하거나 / 광고를 통해 들어온 사용자만 사용할 수 있는 쿠폰을 제공하는 등의 여러 가지 후속 조치를 시도해 볼 수 있음
• 코호트를 다양한 형태로 만들어 전환율을 비교하면 다양한 인사이트를 얻을 수 있음
  • 가입 시점에 따른 전환율 차이
  • utm_source, utm_medium, utm_campaign에 따른 결제 전환율 차이
  • 특정 이벤트 경험 유무에 따른 결제 전환율 차이
  • 시간, 요일, 계절이나 날씨 등 외부 변수에 따른 전환율 차이
  • 사용자의 성별, 나이 등 인구통계학적 정보에 따른 결제 전환율 차이
• 결국, ‘전환된 사용자와 전환되지 않은 사용자는 무엇이 다른가?’라는 질문이 핵심

 

퍼널의 전환율 높이기

• 서비스의 주요 화면들을 개인화해서 사용자 개개인의 맥락에 맞는 정보를 보여주기
  • 특히, 추천 영역은 개인화의 효과를 크게 볼 수 있는 부분
  • 규칙 기반 추천(Rule-Based Recommendation)도 초기에는 비교적 잘 동작하므로, 간단히 시도해 볼 수 있음
• UI/UX 개선
  • 디자인 변경 초기에는 일정 기간 지표가 낮아지는게 자연스러울 수 있으나, 긍정적인 변화였다면 일정 시간이 흐른 뒤 빠르게 지표가 안정화되고 좋아지지만, 그렇지 않을 수 있음
• 적절한 개입
  • CRM 채널로 알려진 이메일, 푸시, 인앱 메시지 등을 적절히 활용하면 주요 단계의 전환율을 높일 수 있음
  • 주의할 점은 메시지를 발송하는 맥락(context)에 따라 효과가 극적으로 달라진다는 점

 

활성화에서 유의할 점

• 🚨 퍼널의 최적화가 단순히 각 단계별 전환율을 높이는 것은 아님
• 전환율을 높이는 것보다 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우가 많음
• 존재하는 퍼널을 개선하는 것이 아니라, 아예 퍼널 자체를 재설계하는 것도 새로운 대안이 될 수 있음
  • (예) 와비파커 : 주문 → 배송 → 결제 라는 독창적인 퍼널을 제시해 구매 전환율을 극적으로 상승시킴
• 높은 활성화 지표는 이후 리텐션의 든든한 바탕이 된다 → 결국 서비스의 핵심가치, 기본이 중요하다는 것!

 

 

본 포스팅은 도서 <그로스 해킹>을 참고하여 작성했습니다 👍 (도서를 직접 읽어보시는 것을 추천합니다)

https://product.kyobobook.co.kr/detail/S000001766457